【深度学习】记录跑深度学习中越到的坑与错误及其对应的解决方法

一、配置环境时遇到的坑

1. 安装anaconda时，无论有没有勾选使用python73，最后环境中的py版本都为37，需要降级。打开anaconda prompt，输入conda install python = 3.6  等待即可
    
2. 之前装过CUDA9.0和与其对应的cudnn，重新装了anaconda，python的版本也是对应的3.6，tensorflow-gpu也是对应的1.9.0，运行tensorflow代码，也是正常可以运行，但一直都是cpu再跑，速度非常慢，尝试了各种方法，anaconda卸载了好几次，但是依然没有任何用，因为之前曾经配置成功过。报的错误，但程序还是正常运行的
   
   发现原来自己的独显MX150驱动没有了。这时候就赶紧在华硕的官网上面，下载了电脑对应的显卡驱动版本，但是载安装的时候，无论怎么安装都安装失败。
   最后发现，原来之前的一些驱动程序都在，在安装新的驱动之前，需要将之前的驱动程序卸载，这才安装成功
    
3. 安装显卡驱动成功以后，这时候报了错误，网上查了一下，原来是和之前的CUDA9.0的版本对应不上，显卡驱动、CUDA版本、cudnn版本都要有对应的，解决办法，由于cuda都是安装好了，所以更新了一下显卡驱动，解决！！
   注意版本号！！！
   

---

 二、程序运行时遇到的错误及解决办法

InvalidArgumentError (see above for traceback): Nan in summary histogram for

在跑谷歌中的目标检测的代码，创建一个自己的目标检测模型中遇到的，训练中途报的错误 
这种错误一般有两种情况造成：
1、Loss计算采用了cross_entropy = -tf.reduce_sum(y_*tf.log(y))
      如果y=0，则log(y)报错。解决方法cross_entropy = -tf.reduce_sum(y_*tf.log(tf.clip_by_value(y,1e-10,1.0)))
      y的最小值为0的情况就被替换成了一个极小值，1e-10，最大值为1.0，这样就不会出现Nan值了

2、一般是由于优化器的学习率设置不当导致的，此时可以尝试使用更小的学习率进行训练来解决这样的问题
3、batch_size 不要设置为 1 ！！ （亲测有效）
 

三、VS2015配置darknet项目时遇到MSB3721的解决办法

https://blog.csdn.net/SpringRolls/article/details/88373051